Mohon tunggu...
Bisnis Digital 2022D
Bisnis Digital 2022D Mohon Tunggu... Mahasiswa - Universitas Negeri Surabaya

Untuk Keperluan Mata Kuliah Manajemen Operasi yang di ajar Renny Sari Dewi, S.Kom., M.Kom.

Selanjutnya

Tutup

Artificial intelligence Pilihan

Mengukur Usaha Pengembangan Perangkat Lunak: Inovasi Machine Learning Dalam Prediksi Waktu Perubahan Source Code

8 November 2023   07:00 Diperbarui: 8 November 2023   13:44 226
+
Laporkan Konten
Laporkan Akun
Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.
Lihat foto
Bagikan ide kreativitasmu dalam bentuk konten di Kompasiana | Sumber gambar: Freepik

Dicka Widya Purnama

Potensi Pembelajaran Mesin dalam Pengukuran Usaha Pengembangan Perangkat Lunak

Artikel ini mengkaji pembelajaran mesin sebagai alat untuk merevolusi pengukuran usaha dalam pengembangan perangkat lunak. Dibahaslah konsep 'koder standar', sebuah model yang dirancang untuk mengestimasi jam kerja berdasarkan data historis perubahan kode. Model ini menawarkan analisis yang lebih komprehensif daripada sekedar menghitung baris kode, dengan mempertimbangkan kompleksitas dan konteks. Ini membantu manajer proyek mengidentifikasi potensi bottleneck dan mengalokasikan sumber daya untuk meningkatkan efektivitas pengembang dan kualitas kode secara keseluruhan.

GAP Dalam Penelitian ini

Penelitian ini mengungkap beberapa gap signifikan, termasuk kesulitan mengumpulkan data waktu pengembangan yang akurat karena catatan yang sering tidak lengkap atau tidak ada. Model yang dibangun atas asumsi Markovian mungkin tidak mencerminkan kerja pengembangan yang iteratif dan bergantung pada konteks. Variabilitas individu pengembang dan gangguan dalam data pengembangan juga menambah kompleksitas dalam pemodelan dan validasi model yang akurat, menunjukkan perlunya inovasi dalam pengumpulan data dan algoritme pembelajaran mesin.

Tantangan Pendekatan Machine Learning untuk Menghasilkan Perubahan Source Code

Tantangan yang dihadapi dalam penerapan pembelajaran mesin termasuk pengumpulan data waktu pengembangan yang akurat, mengingat banyaknya aktivitas pengembangan yang tidak tercatat dengan rinci. Model harus mampu menghasilkan prediksi yang akurat meskipun data 'ground truth' kurang solid. Diperlukan juga kemampuan untuk mengakomodasi perbedaan individu antara pengembang, serta untuk menangani kompleksitas perubahan kode dan membedakan antara berbagai jenis perubahan.

Manfaat Pendekatan Machine Learning untuk Menghasilkan Perubahan Source Code

Pendekatan pembelajaran mesin ini menjanjikan dalam meningkatkan akurasi estimasi waktu pengembangan, dengan memperhitungkan aspek-aspek seperti kompleksitas dan struktur logika di balik perubahan kode. Ini memungkinkan tim untuk merencanakan dan menjadwalkan proyek dengan lebih baik, menyesuaikan kebutuhan sumber daya, memahami perilaku pengembang, dan meningkatkan kualitas serta efisiensi kode dan alur kerja.

Kesimpulan

HALAMAN :
  1. 1
  2. 2
Mohon tunggu...

Lihat Konten Artificial intelligence Selengkapnya
Lihat Artificial intelligence Selengkapnya
Beri Komentar
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE

Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!
LAPORKAN KONTEN
Alasan
Laporkan Konten
Laporkan Akun